1、1,知 识 就 是 力 量F.Bacon（1561-1626） 英国哲学和自然科学家归纳法的创立者“培根”,2,第2章 知识表示,2.1 知识表示与知识表示的概念 2.2 一阶谓词逻辑表示法 2.3 产生式表示法 2.4 语义网络表示法 2.5 框架表示法 2.6 脚本表示法 2.7 过程表示法 2.8 面向对象表示法,3,2.1 知识与知识表示的概念,2.1.1 知识的概念 2.1.2 知识表示的概念,4,2.1.1 知识的概念 -何谓知识（一）,知识的一般概念知识是人们在改造客观世界的实践中积累起来的认识和经验认识：包括对事物现象、本质、属性、状态、关系、联系和运动等的认识经验：包括解决问
2、题的微观方法，如步骤、操作、规则、过程、技巧等宏观方法，如战略、战术、计谋、策略等 知识、信息、数据及其关系原因：认识客观世界的前提是能对其描述，而描述由数据和信息来实现的解释：数据是为描述客观事物而引入的一些数字、符号、文字等信息是对客观事物的一般性描述，它还不是知识。数据组成结构。关系：数据是信息的载体，本身无确切含义，其关联构成信息信息是数据的关联，赋予数据特定的含义，仅可理解为描述性知识知识可以是对信息的关联，也可以是对已有知识的再认识例如：(1) if 计算机能听懂人类语言 then 可直接与计算机对话(2) if 计算机能听懂人类语言就可直接与计算机对话then 人类将努力研究自然
3、语言理解问题,5,2.1.1 知识的概念 -何谓知识（二）,“知识”有代表性的定义（1）知识是经过剪裁、塑造、解释、选择和转换了的信息（2）知识由特定领域的描述、关系和过程组成（3）知识=事实+信念+启发式“信息”与“关联”是构成知识的两个要素。信息之间关联的形式可以多种多样，最常见的一种形式是：“如果。，则。”,6,2.1.1 知识的概念 -知识的属性,真假性与相对性真假性：可以通过实践和推理来证明知识是真的还是假的相对性：非绝对性。知识的真与假是相对于条件、环境、事件而言的 不确定性不完备性：解决问题时不具备解决该问题的全部知识不精确性：知识本身有真假之分，但由于认识水平限制说不清其真假这
4、时可由可信度、概率等进行描述。模糊性：知识的边界本身就是不清楚的(人的相貌)用可能性、隶属度来描述（模糊搜索） 矛盾性和相容性矛盾性：同一知识集中的知识之间相互对立或不一致（保健专家系统）相容性：一个知识集中的所有知识之间相互不矛盾 可表示性与可利用性可表示性：知识可用适当的形式表示出来。如语言、文字、图形等可利用性：知识可用来解决各种各样的问题,7,2.1.1 知识的概念 -知识的类型（一）,按知识的性质概念、命题、公理、定理、规则和方法 按知识的作用域常识性知识：通用通识的知识。人们普遍知道的、适应所有领域的领域性知识：面向某个具体专业领域的。该领域专家才知道的如：专家经验。专家系统拥有的
5、是此类知识 按知识的作用效果事实性知识：（叙述性知识）描述事物的概念、定义、属性等（神5实现了中华民族的飞天梦想）问题的状态、环境、条件等（气温逐渐下降）过程性知识：用于问题求解过程的操作、演算和行为的知识用来指出如何使用那些与问题有关的事实性知识的知识由与求解问题有关的规则、定律、定理及经验所构成例如：AX2+BX+C=0控制性知识：即元知识或超知识如何使用知识的知识，也称为关于知识的知识。例如：推理策略、搜索策略(深度优先、广度优先、启发式)不确定性的传播策略,8,2.1.1 知识的概念 -知识的类型（二）,按知识的层次表层知识：客观事物的现象及这些现象与结论之间关系的知识他描述简单，但不
6、反映事物的本质。如：经验、感性、事实性知识（专家系统）深层知识：客观事物本质、因果关系内涵、基本原理之类的知识如：理论知识、理性知识(数据挖掘) 按知识的确定性确定性知识：可以说明其真值为真或为假的知识不确定性知识：不能确切说明其真假或不能完全知道的知识包括：不精确、模糊、不完备 按知识的等级零级知识：叙述性知识。描述事物的属性，问题的状态等一级知识：过程性知识。经验型、启发性的知识二级知识（元知识、超知识）：如何使用一级知识三级知识（元元知识）,9,2.1.2 知识表示的概念 -知识表示的含义及要求,什么是知识表示是对知识的描述，即用一组符号把知识编码成计算机可以接受的某种结构。其表示方法不
7、唯一。(请对比计算机如何了解5V电压信号？) 知识表示的要求（难度很大）表示能力：能否正确、有效地将问题求解所需的各种知识表示出来表示范围的广泛性领域知识表示的高效性对非确定性知识表示的支持程度可利用性：利用这些知识进行推理，可以求得待解决问题的解对推理的适应性：推理是根据已知事实利用知识导出结果的过程 对高效算法的支持程度：知识表示要有较高的处理效率可实现性：要便于计算机直接对其进行处理 可组织性：可以按某种方式把知识组织成某种知识结构可维护性：便于对知识的增、删、改等操作（知识的一致性）自然性：符合人们的日常习惯可理解性：知识应易读、易懂、易获取等,10,2.1.2 知识表示的概念 -知识
8、表示的观点及方法,知识表示的观点陈述性观点：知识按某种结构存储，知识的使用由过程来实现优点：灵活、简洁，演绎过程完整、确定，知识维护方便缺点：推理效率低、推理过程不透明（1965归结定理）过程性观点：知识寓于使用知识的过程中，表示与运用相结合（P38） 。优点：推理效率高、过程清晰缺点：灵活性差、知识维护不便 知识表示的方法逻辑表示法：一阶谓词逻辑产生式表示法：产生式规则结构表示法：语义网络，框架，脚本过程表示法：面向对象表示法：,11,知识原则,里南（D.B.Lenat）和费根鲍姆（E.A.Feigenbaum）于IJCAI-10(第十届国际人工智能会议)提出了所谓的”知识原则”：一个系统展
9、示高级的智能理解和行为，主要是因为拥有应用领域特有的知识：概念、事实、表示、万法、模型、隐喻和启发式。这里，“特有”这一词很重要，因为应用领域中有效地求解问题主要靠该领域特有的知识。系统（智能体）用于解决问题的知识中只有一小部分是普通知识，如状态空间搜索方法、推理控制策略等。这些知识虽能应用于多个领域，但作用微弱，仅靠它们不能为问题求解提供足够的约束。足够的约束主要来自特别知识（应用领域特有的概念、事实、表示、方法和模型）。系统拥有的知识和其性能（问题求解能力和效率）的关系可以表示为二维曲线（如下图），图中 W，C，E称为”知识的门槛”。,12,知识原则,（1）使能门槛W。指知识量超过该门槛时
10、，系统就拥有了为执行任务所需的最低限度知识。这要求有一个好的表示方案，并决定什么应清晰表示，什么可从清晰表示的知识推出，而其它的无关。低于此门槛，系统无足够的知识去解决问题。（2）胜任门槛C。随着知识量的增加，系统提高性能，并在到达C点时成为某应用领域中求解问题的专家，胜任只有专家才能解决的问题求解任务。超出此门槛，附加的知识有用，但并不经常用到，所以系统的性能随知识量的增加而呈现的提高变得平缓。（3）全能门槛E。到了这个门槛，由于知识量的空前增加（丰富），使系统能解决该应用领域内的几乎所有问题，成为全能专家。超过此门槛，附加的知识几乎没有实质性作用（并非无用，而是原有知识已经够用了，新知识对
11、本领域问题求解无明显帮助）。 作为粗略的估计，若知识全由推理规则表示，达到C级，只需50-1000条规则；再加等量的规则，就可达E级。50条规则意味着知识量不大，原因在于许多实际任务是充分狭窄的。例如，建立诊断某种特别疾病（某种皮肤病）的专家系统只需数十条推理规则，但要成为各种皮肤病专家就非得获取数百到数千条规则不可。以上曲线也反映了智能体知识是逐步积累的，涉及到获取新知识、修正和学习。,13,知识原则,60年代和70年代初，许多学者致力于搜索与推理方法的研究，但收效不大，导致了人工智能在黑暗中摸索的时期，从而使人们对人工智能的前途持悲观态度。正是美国斯坦福大学关于专家系统DENTRAL的研究
12、工作，揭开了智能行为依赖于知识的新篇章；而紧随其后的专家系统MYCIN的成功则使几乎所有的人工智能研究者都认识到知识对于智能行为的重要性，从而在80年代才有成千上万的专家系统涌现出来，并渗透到科技、工程、制造、矿产、能源、金融、商业和军事等许多领域。这些专家系统有一个共同特点，就是都由启发式知识（经验性关联知识）指导问题求解。相比之下，它们的推理机只包括普通的关于推理控制的知识。由此可见，系统的能力主要由知识库中包含的领域特有的知识来决定。除了专家系统，许多其它的人工智能研究也开始转向基于知识的观点。例如，高性能的自然语言理解必须有广泛的关于相关世界的知识，仅仅依据文法知识是远远不够的。同样，
13、一个好的视觉程序也应具有世界知识。机器学习程序也必须依赖于一个初始的、丰富的知识体，而不是从什么都不懂开始学起；并且，智能体拥有的知识越多，就学得越多越快。,14,2.2 一阶谓词逻辑表示法,是一种基于数理逻辑的表示方法 数理逻辑是一门研究推理的学科，是符号人工智能的基础（莱布尼茨） 数理逻辑可分为两类：一阶经典逻辑：一阶经典命题逻辑，一阶经典谓词逻辑一阶谓词：形如P(x1,x2,xn) 其中的个体xi（i=1,n）可以是个体常量、变元或函数。STUDENT（wanghong） 非一阶经典逻辑：指除经典逻辑以外的那些逻辑 (1) 二阶谓词逻辑：二阶谓词：形如P(x1,x2,xn) 其中的个体x
14、i（i=1,n）可以是一阶谓词(2) 模态逻辑：是在普通逻辑中引入“可能”和“必然”两个模态词可作为程序语义描述的工具时序逻辑和动态逻辑的理论基础,15,2.2 一阶谓词逻辑表示法,(3) 时序逻辑： 讨论事件在时间上的将来永久性和可能性(y(t+1)=y(t)+a) (4) 动态逻辑：是模态逻辑的扩充，又称程序模态逻辑，有无穷多个模态词是进行程序逻辑性质研究、程序正确性证明的有力工具 (5) 多值逻辑：包括三值逻辑和无穷值逻辑三值逻辑：其真值集合为T,F,它在T和F间又增加了一个真值对的不同取值，可得到不同的三值逻辑 (6) 模糊逻辑：其真值的边界不能清楚划分的逻辑(中外的美丽标准不同)点值
15、模糊逻辑：即用一个数来描述隶属于某个模糊概念的程度语言真值模糊逻辑：用一个词来描述模糊程度，如“好”、“非常好”等(真好) (7) 非单调逻辑：在按照某种逻辑推理时，若一个新的命题加入系统后，会导致前面已知为真或被证明为真的命题失效，则此种逻辑为非单调逻辑。 (8) 归纳逻辑：是一种由特殊到一般，由具体到抽象逻辑方法。 (9) 泛逻辑：是一种建立在各种逻辑之上的一种抽象逻辑，而现有的各种具体的逻辑只是它的一种特例,16,2.2 一阶谓词逻辑表示法,本节主要讨论：一阶谓词逻辑表示的逻辑基础仅与知识表示有关的，推理有关的在下一章命题和真值；论域和谓词；连词和量词；项与合式公式；自由变元与约束变元谓
16、词逻辑表示的方法谓词逻辑表示的应用谓词逻辑表示的特性,17,一阶谓词逻辑表示的逻辑基础 -命题与真值,命题的定义：断言：一个陈述句称为一个断言命题：具有真假意义的断言成为命题 命题的真值：T：表示命题的意义为真F：表示命题的意义为假 命题真值的说明一个命题不能同时既为真又为假一个命题可在一定条件下为真，而在另一条件下为假（X3）,18,一阶谓词逻辑表示的逻辑基础 -论域和谓词（一）,论域：由所讨论对象的全体构成的集合。也称为个体域 个体：论域中的元素。 谓词：在谓词逻辑中命题是用形如P(x1,x2,xn)的谓词来表示的谓词名：是命题的谓语，表示个体的性质、状态或个体之间的关系个体：是命题的主语
17、，表示独立存在的事物或概念 定义2.2设D是个体域，P：DnT，F是一个映射，其中则称P是一个n元谓词，记为P(x1,x2,xn) 其中，x1,x2,xn为个体，可以是个体常量、变元和函数。 例如：GREATER(x,6) x大于6STUDENT(wanghong ) 王红是一名学生TEACHER(father(zhang) 张的父亲是一位教师,19,一阶谓词逻辑表示的逻辑基础 -论域和谓词（二）,函数：定义2-3 设D是个体域，f：DnD是一个映射，其中则称f是D上的一个n元函数，记作:f(x1,x2, xn) 谓词与函数的区别：谓词是D到T，F的映射，函数是D到D的映射谓词的真值是T和F，
18、函数的值（无真值）是D中的元素谓词可独立存在，函数只能作为谓词的个体,20,一阶谓词逻辑表示的逻辑基础 -连词,连词：称为“非”或者“否定”。它表示对其后面的命题的否定（/wr）：称为“析取”。它表示所连结的两个命题之间具有“或”：称为“合取”。 它表示所连结的两个命题之间具有“与”的关系。：称为“条件”或“蕴含”。表示“若则”的语义。读作“如果P，则Q”其中，P称为条件的前件，Q称为条件的后件。：称为“双条件”。它表示“当且仅当”的语义。即读作“P当且仅当Q”。例如，对命题P和Q，PQ表示“P当且仅当Q”，,21,蕴含关系的困惑 ? -例子,蕴含词“若P则Q”与自然语言中的“若P则Q(同属)
19、”既有相似之处，也有本质上的区别。如果P是真的，Q是假的，那么复合命题“若P则Q”是假的。如果P是假的，那么不管Q是真是假，复合命题“若P则Q”都是真的。“如果今天下雨，那么我们就呆在家里”（1）如果今天下雨了，我们呆在家里了，那么复合命题显然是真的。 （2）如果今天下雨了，我们却没有呆在家里，那么这显然违背了原命题，即复合命题是假的。 （3）如果今天没有下雨，那么不管我们是否呆在家里都不能认为我们违背了复合命题的要求，即复合命题是真的。,22,一阶谓词逻辑表示的逻辑基础 -量词,量词：全称量词，意思是“所有的”、“任一个” 命题( x)P(x)为真，当且仅当对论域中的所有x，都有P(x)为真
20、命题( x)P(x)为假，当且仅当对论域中的所有x，都有P(x)为假：存在量词，意思是“至少有一个”、“存在有” 命题( x)P(x)为真，当且仅当至少存在一个xi D，使得P(xi)为真命题( x)P(x)为假，当且仅当至少存在一个xi D，使得P(xi)为假,23,一阶谓词逻辑表示的逻辑基础 -项与合式公式,合法的谓词表达式称为合式公式（即谓词公式） 。由“项” 来定义。 定义2-4 项满足如下规则：(1)单独一个个体词是项；（老虎，鲸）(2)若t1，t2，tn是项，f是n元函数，则f(t1,t2, ,tn )是项；(3)由(1)、(2)生成的表达式是项。项是把个体常量、个体变量和函数统一
21、起来的概念。 定义2-5 原子谓词公式的含义为：若t1，t2，tn是项，P是谓词符号，则称P(t1，t2， ，tn ) 为原子谓词公式。 定义2-6 满足如下规则的谓词演算可得到合式公式：单个原子谓词公式是合式公式；若A是合式公式，则A也是合式公式；若A，B是合式公式，则AVB，AB，AB，AB也都是合式公式；若A是合式公式，x是项，则( x)A和( x)A也都是合式公式。根据以上是合式公式的形成规则，可以形成任意复杂的合式公式。例如，P(x，y)VQ(y)，( x)(A(x)B(x)，都是合式公式。 连词的优先级： ， ， V，,24,一阶谓词逻辑表示的逻辑基础 -自由变元与约束变元,辖域：
22、指位于量词后面的单个谓词或者用括弧括起来的合式公式 约束变元：辖域内与量词中同名的变元称为约束变元 自由变元：不受约束的变元称为自由变元 例子：( x)(P(x，y)Q(x，y)VR(x，y)其中，(P(x，y)Q(x，y)是(x)的辖域辖域内的变元x是受( x)约束的变元R(x，y)中的x和所有的y都是自由变元 变元的换名：谓词公式中的变元的名字是无关紧要的，可以换名。但需注意两点第一，当对量词辖域内的变元更名时，必须把同名的约束变元都统一换成另外一个相同的名字，且不能与辖域内的自由变元同名。例如，对公式( x(P(x，y)，可把约束变元x换成z，得到公式( z)(P(z，y)。第二，当对辖
23、域内的自由变元更名时，不能改成与约束变元相同的名字。例如，对公式( x)(P(x，y)，可把自由变元y换成t（但不能换成x），得到公式( z)(P(z，t)。,25,谓词逻辑表示方法（一）,表示步骤：先根据表示的知识定义谓词再用连词、量词把这些谓词连接起来（事实、因果） 例2.1 表示“每个人都有父亲”定义谓词：P(x) 表示x是人 HF(x,y) 表示x有父亲y表示知识：( x)( y)(P (x) HF (x, y) P (y) 例2.2 表示知识“所有教师都有自己的学生”。定义谓词：T (x)：表示x 是教师。S (x)：表示x是学生。TS(x, y)：表示x是y的老师。此时，该知识可用
24、谓词表示为：( x)( y)(T (x) TS(x, y) S (y)可读作：对所有x，如果x是一个教师，那么一定存在一个个体y，y的老师是x，且y是一个学生。,26,谓词逻辑表示方法（二）,例2.3 表示知识“所有的整数不是偶数就是奇数”。定义谓词：I(x)：x是整数， E(x)：x是偶数， O(x)：x是奇数知识的谓词表示为：( x)(I(x) E(x) O(x) 例2.4 表示如下知识：王宏是计算机系的一名学生。李明是王宏的同班同学。凡是计算机系的学生都喜欢编程序。定义谓词： COMPUTER(x)：表示x是计算机系的学生。CLASSMATE(x,y)：表示x是y的同班同学。LIKE(x
25、,y)：表示x喜欢y。上述知识表示为：COMPUTER(Wanghong)CLASSMATE(Liming, Wanghong)( x)(COMPUTER(x) LIKE(x, programing),27,苏格拉底三段论,谓词逻辑符号化假设a是苏格拉底M(x)为“x是人”D(x)为“x是要死的”命题翻译（1）（ x）（ M(x) D(x) ）（2） M(a)（3） D(a)完整推理形式（ x）（ M(x) D(x) ） M(a) D(a),28,谓词逻辑表示的应用 -机器人移盒子问题（一）智能规划NP旅行规划、自动武器等,谓词可用来描述状态、动作:机器人从c点出发，将盒子从a桌拿到b桌，然后
26、再回到c处。 研究的对象：桌子x的个体域是a, b机器人y的个体域是robot位置z的个体域是a, b, c物体w的个体域是box 描述状态的谓词：TABLE(x)：x是桌子EMPTY(y)：y手中是空的AT(y, z)：y在z的附近 HOLDS(y, w)：y拿着wON(w, x)：w在x桌面上,29,谓词逻辑表示的应用 -机器人移盒子问题（二）,问题的初始状态AT(robot, c) EMPTY(robot)ON(box, a)TABLE(a)TABLE(b) 问题的目标状态AT(robot, c)EMPTY(robot)ON(box, b)TABLE(a)TABLE(b)机器人行动的目标
27、把问题的初始状态转换为目标状态，而要实现问题状态的转换需要完成一系列的操作,30,谓词逻辑表示的应用 -机器人移盒子问题（三）,操作的表示方法由条件和动作两部分条件部分用来说明执行该操作必须具备的先决条件可用谓词公式来表示动作部分给出了该操作对问题状态的改变情况动作部分则是通过在执行该操作前的问题状态中删去和增加相应的谓词来实现的 机器人需要执行的操作Goto(x, y)：从x处走到y处。Pickup(x)：在x处拿起盒子。Setdown(x)：在x处放下盒子。,31,谓词逻辑表示的应用 -机器人移盒子问题（三）,操作对应的条件和动作如下 Goto(x，y)条件：AT(robot，x)动作：删
28、除表：AT(robot，x)添加表：AT(robot，y) Pickup(x)条件：ON(box，x)，TABLE(x)，AT(robot，x)，EMPTY(robot)动作：删除表：EMPTY(robot)，ON(box，x)添加表：HOLDS(robot，box) Setdown(x)条件：AT(robot，x)，TABLE(x)，HOLDS(robot，box)动作：删除表：HOLDS(robot，box)添加表：EMPTY(robot)，ON(box，x)机器人在执行每一操作之前，都需要检查当前状态是否可以满足该操作的先决条件。如果满足，就执行相应的操作，否则就检查下一个操作所要求的先
29、决条件。(归结理论),32,谓词逻辑表示的应用 -机器人移盒子问题（四）,这个机器人行动规划问题的求解过程如下：状态1(初始状态) AT(robot, c) 开始 EMPTY(robot) = ON(box, a) TABLE(a) TABLE(b) 状态2AT(robot, a) Goto(x, y) EMPTY(robot)= ON(box, a)用c代换x TABLE(a)a代换y TABLE(b)状态3 AT(robot, a) Pickup(x) HOLDS(robot,box) = TABLE(a) 用a代换x TABLE(b),33,谓词逻辑表示的应用 -机器人移盒子问题（五）,
30、状态4AT(robot, b) Goto(x, y) HOLDS(robot,box)= TABLE(a)用a代换x TABLE(b)b代换y 状态5 AT(robot, b) Setdown(x) EMPTY(robot) = ON(box, b) 用b代换x TABLE(a) TABLE(b) 状态6(目标状态)AT(robot, c) Goto(x, y) EMPTY(robot)= ON(box, b)用b代换x TABLE(a)c代换y TABLE(b),34,谓词逻辑表示的应用 -机器人摞积木问题（一）,描述状态的谓词(看图找谓词，TABLEEMPTY)CLEAR(x)：积木x上面
31、是空的 ON(x, y)：积木x在积木y的上面ONTABLE(x)：积木x在桌子上HOLDING(x)：机械手抓住xHANDEMPTY：机械手是空的 其中，x和y的个体域都是A, B, C 问题的初始状态CLEAR(B), ON(C, A), ONTABLE(A) , CLEAR(C)HANDEMPTY , ONTABLE(B) 问题的目标状态是ON(B, C), ON(A, B) , ONTABLE(C)CLEAR(A) , HANDEMPTY,A,B,C,35,谓词逻辑表示的应用 -机器人摞积木问题（二）,需要的4个操作Pickup(x)：从桌面上拣起一块积木x Putdown(x)：将手
32、中的积木x放到桌子上Stack(x, y)：把积木x摞在积木y上Upstack(x, y)：把积木x从积木y上面拣起 操作对应的先决条件及动作Pickup(x) (从桌面上拣起一块积木x)条件：ONTABLE(x)，HANDEMPTY，CLEAR(x)动作：删除表：ONTABLE(x)，HANDEMPTY ，CLEAR(x)添加表：HOLDING(x) Putdown(x) （将手中的积木x放到桌子上）条件：HOLDING (x)动作：删除表：HOLDING (x)添加表：ONTABLE(x) ，HANDEMPTY ，CLEAR(x),36,谓词逻辑表示的应用 -机器人摞积木问题（三）,Sta
33、ck(x, y) （把积木x摞在积木y上）条件：HOLDING (x)，CLEAR(y)动作：删除表：HOLDING (x)，CLEAR(y)添加表：HANDEMPTY，ON(x, y) ，CLEAR(x) Upstack(x, y) （把积木x从积木y上面拣起）条件：HANDEMPTY，CLEAR(x) ，ON(x, y)动作：删除表：HANDEMPTY，ON(x, y)添加表：HOLDING (x)，CLEAR(y)利用上述谓词和操作，即可完成积木世界的求解问题。至于其求解过程，和前述机器人搬盒子问题类似，这里从略。,37,谓词逻辑表示的应用 -猴子摘香蕉问题（一）,描述状态的谓词AT(x
34、, y)：x在y处ONBOX：猴子在箱子上HB：猴子得到香蕉 其中，x 的个体域是Monkey, Box, Banana Y 的个体域是a, b, c 问题的初始状态AT(Monkey, a) AT(Box, b)ONBOX ， HB 问题的目标状态AT(Monkey, c) ，AT(Box, c)ONBOX ， HB,38,谓词逻辑表示的应用 -猴子摘香蕉问题（二）,需要的操作Goto(u, v)： 猴子从u处走到v处 Pushbox(v, w)：猴子推着箱子从v处移到w处Climbbox： 猴子爬上箱子Grasp： 猴子摘取香蕉 操作对应的先决条件及动作 Goto(u, v) 条件：ONB
35、OX ，AT(Monkey, u)，动作：删除表：AT(Monkey, u)添加表：AT(Monkey, v) Pushbox(v, w)条件：ONBOX ，AT(Monkey, v)，AT(Box, v)动作：删除表：AT(Monkey, v)，AT(Box, v)添加表：AT(Monkey, w)，AT(Box,w),39,谓词逻辑表示的应用 -猴子摘香蕉问题（二）,Climbbox条件：ONBOX ，AT(Monkey, w)，AT(Box,w)动作：删除表：ONBOX添加表：ONBOX Grasp条件：ONBOX，AT(Box, c)动作：删除表：HB添加表：HB,40,谓词逻辑表示的
36、特征,主要优点自然：一阶谓词逻辑是一种接近于自然语言的形式语言系统，谓词逻辑表示法接近于人们对问题的直观理解，易于被人们接受明确：人们都可以按照一种标准的方法去解释知识，因此用这种方法表示的知识明确、易于理解精确：谓词逻辑的真值只有“真”与“假”，其表示、推理都是精确的灵活：知识和处理知识是分开的，无须程序中考虑处理知识的细节模块化：各条知识都是相对独立的，它们之间不直接发生联系，因此添加、删除、修改知识的工作比较容易进行 主要缺点知识表示能力差：只能表示确定性知识，而不能表示非确定性知识、过程性知识和启发式知识知识库管理困难：缺乏知识的组织原则，知识库管理比较困难存在组合爆炸：由于难以表示启
37、发式知识，因此只能盲目地使用推理规则，这样当系统知识量较大时，容易发生组合爆炸系统效率低：它把推理演算与知识含义截然分开，抛弃了表达内容中所含有的语义信息，往往使推理过程冗长，降低了系统效率,41,本章作业,P72之2.9 用谓词表示法表示农夫、狼、山羊、白菜过河问题 P39六种动物识别的应用程序，停止推理条件：要求无可用规划，已经事实（条件）全部用完。这就意味着：每次推理后，产生新的中间结果，加入综合事实库后，可用规则都要重新“洗牌”，冲突消解策略也可能要重新调整。这是一个相当复杂的过程。,42,2.3 产生式表示法,是目前人工智能中使用最多的一种知识表示方法2.3.1 产生式表示的基本方法
38、事实的表示规则的表示产生式与蕴含式的区别产生式与条件语句的区别 2.3.2 产生式系统的基本结构及过程 2.3.3 产生式系统的控制策略 2.3.4 产生式系统的类型 2.3.5 产生式系统的特性,43,产生式表示的基本方法 -事实的表示,事实的定义事实是断言一个语言变量的值或断言多个语言变量之间关系的陈述句.语言变量的值或语言变量之间的关系可以是数字、词等.例如：“雪是白的”，其中“雪”是语言变量，“白的”是语言变量的值 “王峰热爱祖国”，其中，“王峰”和“祖国”是两个语言变量“热爱”是语言变量之间的关系 事实的表示确定性知识，事实可用如下三元组表示：（对象，属性，值）或（关系，对象1，对象
39、2） 其中，对象就是语言变量。例如：(Snow, color, White) 或（雪，颜色，白）(Love, Wangfeng, Country) 或（热爱，王峰，祖国）非确定性知识、事实可用如下四元组表示：（对象，属性，值，可信度因子） 其中，“可信度因子”是指该事实为真的相信程度。例如（Like, Liming, Computer, 0.9）,44,产生式表示的基本方法 -规则的表示,规则的作用描述事物之间的因果关系规则的产生式表示形式常称为产生式规则，简称为产生式，或规则 产生式的基本形式PQ 或者 IF P THEN Q 其中，P是产生式的前提，也称为前件，它给出了该产生式可否使用的先
40、决条件，由事实的逻辑组合来构成；Q是一组结论或操作，也称为产生式的后件，它指出当前题P满足时，应该推出的结论或应该执行的动作。 产生式的含义如果前提P满足，则可推出结论Q或执行Q所规定的操作 产生式规则的例子r6: IF 动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是食肉动物 其中，r6是该产生式的编号；“动物有犬齿 AND 有爪 AND 眼盯前方”是产生式的前提；“该动物是食肉动物”是产生式的结论。,45,产生式表示的基本方法 -产生式与蕴含式的区别,从形式上看，产生式表示中的产生式与逻辑表示中的蕴含式十分相似。但实际上，蕴含式仅是产生式的一种特殊情况。其主要区别如下：(1)
41、 蕴含式只能表示确定性知识，其真值只能取真或假，而产生式不仅可以表示确定性知识，而且还可以表示非确定性知识。例如，在专家系统MYCIN中有如下产生式：IF 本生物的染色斑是革兰氏阴性，本微生物的形状呈杆状，病人是中间宿主THEN 该微生物是绿脓杆菌，置信度为0.6它表示，当前题中列出的各个条件都满足时，结论“该微生物是绿脓杆菌”可以相信的程度是0.6。这在谓词中的逻辑蕴含式是不能表示的。(2) 在产生式表示中，决定一个产生式是否可用的是通过检查已知事实是否与前提中所规定的条件相匹配来实现的，并且匹配可以是精确的，也可以是不精确的。而谓词逻辑中的蕴含式，其匹配则一定要求是精确的。,46,产生式表
42、示的基本方法 -产生式与条件语句的区别,前件结构不同产生式的前件可以是一个复杂的的结构传统程序设计语言中的左部仅仅是一个布尔表达式 控制流程不同满足前提条件的规则被激活，但不一定被立即执行，能否执行将取决于冲突消解策略传统程序设计语言中是严格地从一个条件语句向其下一个条件语句传递。,47,产生式系统的基本结构及过程 -系统结构及其说明（一）,综合数据库（亦称事实库） (1) 存放求解问题的各种当前信息如：问题的初始状态输入的事实中间结论及最终结论等 (2) 用于推理过程的规则匹配推理过程中，当规则库中某条 规则的前提和综合数据库的已知事实匹配时，该规则被激活，由它推出的结论将被作为新的事实放入
43、综合数据库，成为后面推理的已知事实。 规则库用于存放与求解问题有关的所有规则的集合规则库包含了问题领域中的一般性知识，是产生式系统问题求解的基础，须重视知识的完整性、一致性、准确性、灵活性和知识组织的合理性,控 制 系 统,规 则 库,综合数据库,48,产生式系统的基本结构及过程 -系统结构及其说明（二）,控制系统控制系统的主要作用 亦称推理机构。是规则的解释程序，用于控制整个产生式系统的运行，决定问题求解过程的推理线路。控制系统的主要任务(1) 匹配：按一定策略从规则库种选择规则与综合数据库中的已知事实进行匹配。所谓匹配是指把所选规则的前提与综合数据库中的已知事实进行比较，若事实库中存的事实
44、与所选规则前提一致，则称匹配成功，该规则可被使用；否则，称匹配失败，该规则不可用于当前推理。(2)冲突消解：对匹配成功的规则，按照某种策略从中选出一条规则执行。(3)执行操作：对所执行的规则，若其后件为一个或多个结论，则把这些结论加入综合数据库；若其后件为一个或多个操作时，执行这些操作。检查综合数据库中是否包含有问题的目标，若有，则停止推理。(4)路径解释：在问题求解过程中，记住应用过的规则序列，以便最终能够给出问题的解的路径。,49,产生式系统的基本结构及过程 -系统结构及其说明（三）,控制系统的基本过程(1) 初始化综合数据库，即把欲解决问题的已知事实送入综合数据库中；(2) 检查规则库中
45、是否有未使用过的规则，若无转 (7)；（FOR）(3) 检查规则库的未使用规则中是否有其前提可与综合数据库中已知事实相匹配的规则，若有，形成当前可用规则集；否则转(6)；(4) 按照冲突消解策略，从当前可用规则集中选择一个规则执行，并对该规则作上标记。把执行该规则后所得到的结论作为新的事实放入综合数据库；如果该规则的结论是一些操作，则执行这些操作；(5) 检查综合数据库中是否包含了该问题的解，若已包含，说明解已求出，问题求解过程结束；否则，转(2)；(6) 当规则库中还有未使用规则，但均不能与综合数据库中的已有事实相匹配时，要求用户进一步提供关于该问题的已知事实，若能提供，则转(2)；否则，执
46、行下一步；(7) 若知识库中不再有未使用规则，也说明该问题无解，终止问题求解过程。说明：从第(3)步到第(5)步的循环过程实际上就是一个搜索过程,50,产生式系统的基本结构及过程 -产生式系统的例子（一）,动物识别系统该系统可以识别老虎、金钱豹、斑马、长颈鹿、企鹅、信天翁这6种动物。其规则库包含如下15条规则： r1 IF 该动物有毛发 THEN 该动物是哺乳动物 r2 IF 该动物有奶 THEN 该动物是哺乳动物 r3 IF 该动物有羽毛 THEN 该动物是鸟 r4 IF 该动物会飞 AND 会下蛋 THEN 该动物是鸟 r5 IF 该动物吃肉 THEN 该动物是食肉动物 r6 IF 该动物
47、有犬齿 AND 有爪 AND 眼盯前方THEN 该动物是食肉动物 r7 IF 该动物是哺乳动物 AND 有蹄 THEN 该动物是有蹄类动物 r8 IF 该动物是哺乳动物 AND 是嚼反刍动物 THEN 该动物是有蹄类动物 r9 IF 该动物是哺乳动物 AND 是食肉动物 AND 是黄褐色 AND 身上有暗斑点 THEN 该动物是金钱豹,51,产生式系统的基本结构及过程 -产生式系统的例子（二）,r10 IF 该动物是哺乳动物 AND 是食肉动物 AND 是黄褐色 AND 身上有黑色条纹 THEN 该动物是虎 r11 IF 该动物是有蹄类动物 AND 有长脖子 AND 有长腿 AND 身上有暗斑
48、点 THEN 该动物是长颈鹿 r12 IF 动物是有蹄类动物 AND 身上有黑色条纹 THEN 该动物是斑马 r13 IF 该动物是鸟 AND 有长脖子 AND 有长腿 AND 不会飞AND 有黑白二色 THEN 该动物是鸵鸟 r14 IF 该动物是鸟 AND 会游泳 AND 不会飞 AND 有黑白二色THEN 该动物是企鹅 r15 IF 该动物是鸟 AND 善飞 THEN 该动物是信天翁其中，ri(i=1,2,.,15)是规则的编号 初始综合数据库包含的事实有：动物有暗斑点，有长脖子，有长腿，有奶，有蹄这些规则的部分推理网络如下图所示,52,产生式系统的基本结构及过程 -产生式系统的例子（三）,图中最上层的结点称为“假设”或“结论” 中间结点称为“中间假设”；终结点（叶结点）称为“证据”或“事实” 每个“结论”都是本问题的一个目标，所有“假设”构成了本问题的目标集合,
